Полезное:
Как сделать разговор полезным и приятным
Как сделать объемную звезду своими руками
Как сделать то, что делать не хочется?
Как сделать погремушку
Как сделать так чтобы женщины сами знакомились с вами
Как сделать идею коммерческой
Как сделать хорошую растяжку ног?
Как сделать наш разум здоровым?
Как сделать, чтобы люди обманывали меньше
Вопрос 4. Как сделать так, чтобы вас уважали и ценили?
Как сделать лучше себе и другим людям
Как сделать свидание интересным?
Категории:
АрхитектураАстрономияБиологияГеографияГеологияИнформатикаИскусствоИсторияКулинарияКультураМаркетингМатематикаМедицинаМенеджментОхрана трудаПравоПроизводствоПсихологияРелигияСоциологияСпортТехникаФизикаФилософияХимияЭкологияЭкономикаЭлектроника
|
Метод условного градиентаСтр 1 из 2Следующая ⇒
В методе условного градиента для нахождения условно релаксационных направлений для минимизируемой функции f используется градиент . Это позволяет подбирать шаговый множитель, не выводящий очередное приближение за пределы допустимой области. Рассмотрим подробнее, какими средствами это достигается. Пусть функция определена и непрерывно дифференцируема на , множество – выпуклый компакт. Предположим, что, начиная с произвольной точки , найдены приближения . Опишем действия, которые необходимо выполнить для отыскания следующего приближения . Сформулируем вспомогательную задачу . (1) Легко увидеть, что при сделанных выше предположениях задача (1) имеет решение, обозначим его . Далее, положим . Если , то согласно определению точки имеем . Таким образом, в точке выполняется необходимое условие условного минимума функции на множестве . Если, кроме того, функция – выпуклая на множестве , то это условие также и достаточно ([1], 2.6, теорема 5). Будем считать, что Это означает, что процесс построения последовательности приближений бесконечен, ни одна точка не является точкой условного минимума. Тогда является условно релаксационным направлением для функции в точке относительно множества , значит, можно сделать положительный шаг в этом направлении, не нарушив ограничений и уменьшив значение функции. Например, такой шаговый множитель можно определить следующим образом: и найти следующее приближение . В заключение – о сфере применения этого метода. Так как задача (1) – это задача минимизации линейной функции на выпуклом множестве , то случай, когда – выпуклое многогранное множество, является наиболее простым. Задача (1) тогда – задача линейного программирования, и для ее решения пригодны соответствующие методы.
|